[논문 리뷰] Asymptotic Complexity Estimates for Probabilistic Programs and Their VASS Abstractions

Michal Ajdarów, Antonı́n Kučera|arXiv (Cornell University)|2023. 01. 01.

Bayesian Modeling and Causal Inference인용 수 1

한 줄 요약

이 논문은 기대값 기반 분석이 기대값이 무한대일 경우에 문제가 되는 비결정론적 확률적 프로그램에 대해 안정적인 渐近 복잡도 추정을 제안한다. VASS MDP(상태를 가진 벡터 덧셈 시스템 위의 마르코프 결정과정)에 대해 하한, 상한, 타이트한 복잡도 추정을 도입하고, DAG 유사 MEC 분해를 가진 VASS MDPs에서 카운터 및 종료 복잡도가 n 또는 n²로 유계임을 증명하며, 다항시간 내에서 결정 가능함을 보인다.

ABSTRACT

The standard approach to analyzing the asymptotic complexity of probabilistic programs is based on studying the asymptotic growth of certain expected values (such as the expected termination time) for increasing input size. We argue that this approach is not sufficiently robust, especially in situations when the expectations are infinite. We propose new estimates for the asymptotic analysis of probabilistic programs with non-deterministic choice that overcome this deficiency. Furthermore, we show how to efficiently compute/analyze these estimates for selected classes of programs represented as Markov decision processes over vector addition systems with states.

연구 동기 및 목표

• 기대값 기반의 渐近 복잡도 분석이 기대값이 무한대일 경우 확률적 프로그램에서 부적절할 수 있음을 해결하기 위해.
• 기대값보다 더 신뢰할 수 있는, 하한, 상한, 타이트한 새로운 복잡도 추정을 도입하기 위해.
• 비결정론성과 확률적 선택이 있는 경우, VASS MDP로 추상화된 확률적 프로그램의 渐近 복잡도를 분석하기 위해.
• 특정 유형의 VASS MDPs, 특히 DAG 유사 MEC 분해와 일차원 시스템을 가진 경우의 복잡도 유계의 결정 가능성과 효율적 계산을 확립하기 위해.

제안 방법

• 기대값 기반 분석의 대안으로 하한, 상한, 타이트한 복잡도 추정을 도입한다.
• 확률적 프로그램을 상태를 가진 벡터 덧셈 시스템 위의 마르코프 결정과정(VASS MDPs)으로 모델링한다.
• 확률적 검증 및 마르코프 체인 분석 기법을 적용하여 카운터 값과 종료 시간을 유계로 제한한다.
• MEC(최대 종단성 컴пон언트) 분해에 대한 귀납법을 사용하여 큰 카운터 값의 발생 확률을 유계로 제한한다.
• 전략 기반 분석과 BSCC(하위 강한 연결 컴포넌트) 분류를 활용하여 유계성과 성장률을 규명한다.
• 해밀턴 순환 문제로부터의 환원을 통해 복잡도 분류 문제를 NP-완전 문제로 환원하여, 핵심 케이스에 대해 다항시간 결정 가능성을 확보한다.

실험 결과

연구 질문

• RQ1 확률적 프로그램에서 기대값이 무한대일 경우, 기대값 기반의 渐近 복잡도 분석이 오도할 수 있는가?
• RQ2 비결정론성을 포함한 확률적 시스템에서 기대값보다 더 안정적인 복잡도 추정은 존재하는가?
• RQ3 DAG 유사 MEC 분해를 가진 VASS MDPs에서 카운터 및 종료 복잡도의 가능한 渐近 성장률은 무엇인가?
• RQ4 이러한 시스템에서 최대 카운터 값이 n 또는 n²로 성장하는지 다항시간 내에 결정 가능한가?
• RQ5 일차원 VASS MDPs의 전체 渐近 복잡도 분류는 무엇인가?

주요 결과

• DAG 유사 MEC 분해를 가진 VASS MDPs에서 최대 카운터 값은 n(타이트 추정) 또는 n²(하한 추정)으로 성장하며, 어느 경우에 해당하는지 다항시간 내에 결정 가능하다.
• 종료 및 전이 복잡도에도 동일한 이분법이 적용되며, 단계 카운터를 사용해 카운터 복잡도로 표현할 수 있다.
• 일차원 VASS MDPs에서는 카운터 복잡도가 유계이거나 n으로 타이트하게 추정되며, 종료 복잡도는 유계이거나 n 또는 n²로 타이트하게 추정되며, 전이 복잡도는 유계이거나 상수로 유계이거나 n 또는 n²로 타이트하게 추정된다.
• 일차원 VASS MDPs의 모든 분류 문제는 다항시간 내에 결정 가능하다.
• MDP 전략에서 비감소 BSCC가 존재하는지 여부는 NP-완전이며, 이는 유계성과 성장률을 특성화하는 데 사용된다.
• 유계-영 BSCC가 존재하는지 여부를 판단하는 문제도 NP-완전이며, 이는 복잡도 분류 결과를 뒷받침한다.